@lv2016 名字已经想好了，就叫 paper rank 吧～^_^

生日快乐，加油吧骚年！

@L00kback 赞～不客气，哈哈

@weitch 见解独到！

可以把字典这种数据结构看成是一棵树，字典里的每个(key, val) pair 就是这棵树上的一个节点，
这个问题的复杂之处在于这里的 val 值类型可能是基础数据类型（比如数值、字符串或布尔），也可能是字典类型或者列表类型，如果一旦是字典类型或者列表类型，那么我们还需要进一步去查看这个 val 内部是否有我们需要寻找的 key 。

所以其实这个问题就转化为，想办法扫描一遍这棵树所有的节点找到指定的 key，然后更新对应的 val 即可，其实也就归结为一个树的遍历问题，这里使用实现上更方便的 dfs 方式（深度优先遍历，可以递归实现），代码如下，希望对你有所启发：

def _update(val):
　　 return val + 1 #TODO

def modify(dic):
　　 for key, val in dic.items():
　　 　　 if key == "d" and type(val) == type(1):
　　 　　 　　 dic[key] = _update(val)
　　 　　 elif type(val) == type({}):
　　 　　 　　 modify(val) # recursively call function
　　 　　 elif type(val) == type([]):
　　 　　 　　 if len(val) > 0:
　　 　　 　　 　　 for _dic in val:
　　 　　 　　 　　 　　 modify(_dic) # recursively call function

@ryd994 见解独到专业！

hive?

具体工程问题具体对待，如果觉得借助于机器学习的手段使用成本过高，也可以简单的进行基于规则的关系数据采集，我这边举几个简单例子说明问题，比如我有一个影视剧作品和娱乐人物的知识图谱需要构建，我可能就会去豆瓣或者维基百科一类的网站进行关系数据采集，其中从豆瓣我可以找到创作关系、导演关系、共演关系等等，从维基百科我可以找到人物人物之间的关系，如伴侣关系、亲友关系、同事关系、师生关系等等。希望对你有所启发。

要相信这个世界上永远都有 planB，加油大兄 dei ！

@killaboy712 漂亮，这里需要用到开窗函数，分组之后的 topk 问题的典型用例

一个应用系统在上线之初冷启动阶段，没有任何的用户使用，也可能没有任何的基础内容积累。这个时期整个系统就像一具毫无灵性的骨架，而实际上让系统鲜活地运行起来的就是其中流动的数据，数据就是系统的血液。那么，越亲近血液的工作实际上也是越拥有话语权的。甚至在做后期的系统迁移时，只要有了数据的血液，也是很容易重新打造一个新的应用系统，骨架的选择似乎从来都不是问题，唯有这数据的血液需要历久弥新地沉淀。所以，前端还是后端孰轻孰重之争，其实并不重要，亲近数据，你会看到不一样的人生。

试着发帖到 MIUI 论坛等人回复一下吧~

一对多的关联查询之后还可以利用缓存层优化

@BXIA 哈哈哈，跟你开个玩笑啦，别那么认真

@BXIA 老铁，难道不应该是英特那雄耐尔之歌升华吗？